电机加速噪声的粗糙感问题排查

2022-01-07 23:57:45·  来源:海德声科 HEAD acoustics  
 
在文章《再下一城:ECMA引用HEAD专利算法形成粗糙度标准》中,我们介绍了HEAD的专利算法Roughness (Hearing Model)被纳入ECMA 418-2的情况,而《ECMA 418粗糙度
在文章《再下一城:ECMA引用HEAD专利算法形成粗糙度标准》中,我们介绍了HEAD的专利算法Roughness (Hearing Model)被纳入ECMA 418-2的情况,而《ECMA 418粗糙度计算方法解读》一文则详细讲述了该算法的细节。本文将结合Roughness (Hearing Model)和Modulation算法,针对电机升速过程中,某些转速下噪声存在粗糙感的问题,进行分析排查,并使用Sound Engineering进行虚拟优化及评估。
问题背景介绍
该升速过程中FFT vs. Time如下图所示:


图1 FFT vs. Time
从音频中我们可以听到,在某些转速下,电机的噪声存在一定的粗糙感,比较明显的有0~2s、16~18s等。
Roughness计算
Roughness为计算声品质中粗糙度的心理声学参数,可以表征和衡量该电机加速过程中声音的粗糙感。
图2的上图为Roughness (Hearing Model)vs. Time 计算结果。在0~2s、16~18s、26~28s等处粗糙度有峰值,这与听感很吻合。
图2的下为Specific Roughness(Hearing Model)vs. Time的计算结果,可以看到图2上图粗糙度较大的时刻,特征粗糙度的频谱分布。

图2 粗糙度计算结果
粗糙度较大处的缘由分析
下面将以16~18s(图2中的2点)的粗糙度感受为例,进行问题排查。同时计算Specific Roughness(Hearing Model)vs. Time和Modulation Spectrum vs. Band(图3),可以看出16~18s之间的粗糙度较大的问题,是由于1250Hz附近存在约70Hz的调制产生的。

图3 特征粗糙度和调制谱
通过下图的FFT vs. Time图谱,寻找70hz调制频率的问题所在。可以看出16~18s之间、1250Hz附近处,存在相差约70hz的成分,且幅值较大(1166Hz、1236Hz和1307Hz)。若想降低此处的粗糙感,则需改善该处的频谱成分。


图4 FFT vs. Time的频谱成分
其他特征粗糙度较大的频谱点
除了上述16~18s的频谱点,其他特征粗糙度较大的频谱点也可通过计算FFT vs. Time(图5上左)、Specific Roughness(Hearing Model)vs. Time(图5上右)和Modulation Spectrum vs. Band(图5下)等查看各个特征粗糙度大的缘由。如图中1.27s(1点)处,是由于同时存在1277hz、1324hz和1365hz的频率,且幅值较大造成的(三个频率相差约35hz,从调制谱上也可以看出35hz的调制频率)。
图5 各个特征粗糙度较大处的问题分析
基于Sound Engineering的粗糙度优化预测
对于特征粗糙度较大的频谱点,可以使用ArtemiS SUITE的Sound Engineering进行虚拟的优化预测。如17s处(2点),通过Eraser或Brush功能,虚拟优化1160Hz和1300Hz附近的成分(1230Hz为电机主阶次),优化后回放的粗糙感明显下降。
图6 Sound Engineering虚拟优化
优化的Sound 音频: 进度条 00:00 / 00:35
将虚拟优化的声音保持成hdf文件,与原文件进行特征粗糙度对比分析,如图7所示,在16~18s处1250Hz的特征粗糙度明显下降。
图7 虚拟优化前后特征粗糙度对比
同时计算升速过程中整体的粗糙度结果,如下图8所示,16~18s的粗糙度也有明显的降低。

图8 粗糙度虚拟优化前后对比
小结:
  • 基于Hearing Model的Roughness算法,可以较好地表征人体听感中的粗糙感;
  • 结合Roughness(Hearing Model)、Modulation Spectrum等算法,可以细致地分析造成特征粗糙度较大的原因;
  • 使用Sound Engineering,可以虚拟优化特征粗糙度较大处的频率成分,进而通过聆听和数值计算,评估虚拟优化的效果,为后续实物改进提供一定的支撑。
分享到:
 
反对 0 举报 0 收藏 0 评论 0
沪ICP备11026917号-25